[发明专利]一种基于PTT和MIV-GA-SVR的连续血压无创监测方法

权利要求书

1.一种基于PTT和MIV-GA-SVR的连续血压无创监测方法，其特征在于，在对脉搏波PPG、心电ECG信号进行去噪处理、以及特征点识别的基础上，提取特征参数，构建模型，实现对血压连续监测，具体步骤包括：

(1)实验数据收集，实验数据分为两个部分，一部分是静态实验所得数据，另一部分是动态实验所得数据；

(2)对步骤(1)所采集到的ECG信号利用小波阈值去噪进行预处理；

(3)对步骤(1)所采集到的PPG信号利用小波阈值初步去噪后，利用三次样条插值法滤除基线漂移、运动伪迹；

(4)在步骤(2)的基础上，通过对小波分解后小波系数的模极值对的分析定位ECG信号的R波；

(5)在步骤(2)、步骤(4)的基础上，提取PPG特征点；PPG的特征点包括脉搏波的波谷点b点、波峰点c点、重搏波波谷点f点、重搏波波峰点g点；

(6)在步骤(4)、步骤(5)的基础上，提取特征向量；

(7)采用线性归一化，将特征向量归一化处理；

(8)构建初始GA-SVR模型，使用遗传算法GA对支持向量回归SVR模型进行参数优化；

(9)在步骤(8)构建的模型基础上，利用平均影响值法MIV进行特征筛选；

(10)使用步骤(9)所筛选出的特征，用遗传算法对支持向量回归模型进行参数优化，构建GA-MIV-SVR血压估计模型。

2.根据权利要求1所述的一种基于PTT和MIV-GA-SVR的连续血压无创监测方法，其特征在于，所述步骤(2)具体包括：

(2a)选择小波基函数、分解层数将信号进行小波分解，得到各尺度分量；

(2b)选择阈值、阈值函数对步骤(2a)所得的的各尺度分量进行阈值处理；

(2c)在步骤(2b)基础上，利用小波重构，得到去噪后的信号。

3.根据权利要求1所述的一种基于PTT和MIV-GA-SVR的连续血压无创监测方法，其特征在于，所述步骤(3)具体包括：

(3a)选择小波基函数、分解层数将信号进行小波分解，得到各尺度分量；

(3b)选择阈值、阈值函数对步骤(2a)所得的的各尺度分量进行阈值处理；

(3c)在步骤(3b)基础上，利用小波重构，得到初步去噪后的信号；

(3d)基于三次样条插值法，对PPG每个周期的起始点进行拟合，得到基线漂移、运动伪迹的近似曲线；

(3e)用步骤(3c)得到初步去噪的脉搏波信号减去步骤(3d)所得的拟合曲线，得到去噪完成后的脉搏波信号。

4.根据权利要求1所述的一种基于PTT和MIV-GA-SVR的连续血压无创监测方法，其特征在于，所述步骤(4)具体包括：

(4a)选择小波基；

(4b)小波变换尺度的确定；

(4c)R波检测。

5.根据权利要求1所述的一种基于PTT和MIV-GA-SVR的连续血压无创监测方法，其特征在于，所述步骤(5)具体包括：

(5a)基于自适应窗长的滑窗法来提取PPG的波峰点c点；

(5b)在确定c点的基础上，确定PPG波谷的位置；

(5c)利用重搏波的相对位置，在一定PPG周期范围内确定f点、g点。

6.根据权利要求1所述的一种基于PTT和MIV-GA-SVR的连续血压无创监测方法，其特征在于，所述步骤(8)具体包括：

(8a)编码；将SVR的模型参数编码；

(8b)初始化种群；随机产生一个种群，代入适应度函数中计算每个个体的适应度值并评估；

(8c)选择、交叉、变异；对初始种群执行比例选择算子进行选择、按交叉概率执行交叉、按变异概率进行变异产生子代种群；

(8d)计算子代种群中每个个体适应度并评估，输出局部最优解并保存；

(7e)满足终止进化代数后，输出解码后的最优参数。

7.根据权利要求1所述的一种基于PTT和MIV-GA-SVR的连续血压无创监测方法，其特征在于，所述步骤(9)具体包括：

(9a)GA-SVR模型训练终止后，将训练样本X中的某一特征矩阵在原值基础上±10％，得到两个新的训练样本X₁和X₂；

(9b)将X1、X2重新仿真得到结果P1、P2，计算P1-P2获得该特征对模型输出的影响变化值(ImpactValue,IV)，并按该特征矩阵的长度求平均获得MIV；

(9c)依次计算每个特征的MIV，按绝对值大小排序并计算各特征对模型输出的相对贡献率，计算公式为其中，I_i为第i个特征对模型输出的相对贡献率，MIV_i为第i个特征的MIV，k表示训练样本X中的特征个数。